3D可視化が将来のチップ設計の鍵を握るAnsysはNVIDIA OmniverseとModulusでチップの物理シミュレーションを行う。

3D可視化が将来のチップ設計の鍵を握る
AnsysはNVIDIA OmniverseとModulusでチップの物理シミュレーションを行う。

3次元集積回路マルチダイチップは、半導体設計における革命です。
チップは垂直に積み重ねられ、消費電力を減らしパフォーマンスを向上させる
しかし、チップが密度が高くなるにつれて、電磁的および熱的ストレスの管理においてより複雑な課題が提示されます。これを理解し、対処するために、高度な3Dマルチフィジックスビジュアライゼーションは、設計と診断プロセスに不可欠になります。

チップとシステムの最新の開発を紹介するグローバルイベントである今週のDesign Automation Conferenceでは、エンジニアリングシミュレーションと3D設計ソフトウェアを開発するAnsysが、NVIDIAテクノロジーを使用してこれらの課題を克服し、次世代の半導体システムを構築する方法を提供します。

ユーザーのシミュレーション結果の3D視覚化を可能にするために、Ansysは、開発者がUniversal Scene Description（OpenUSD）とNVIDIA RTXレンダリング技術を既存のソフトウェアツールやシミュレーションワークフローに簡単に統合できるようにするアプリケーションプログラミングインターフェイス、ソフトウェア開発キット、およびサービスのプラットフォームであるNVIDIA Omniverseを使用しています。

このプラットフォームは、Ansysソルバーからの3D-IC結果の視覚化を強化するため、エンジニアは電磁場や温度変動などの現象を評価して、より高速な処理、機能の向上、信頼性の向上のためにチップを最適化できます。

NVIDIA OmniverseプラットフォームのAnsys Icepakを使用すると、エンジニアはさまざまな電源プロファイルとフロアプランに従ってチップ全体の温度をシミュレートできます。チップホットスポットを見つけ、チップ自体と補助冷却装置の設計につなげます。

Ansys R&Dチームは、Ansys RedHawk-SC電気熱データパイプラインとモデルトレーニングフレームワークで任意の電力パターンを処理するための新しい技術と組み合わせたNVIDIA Modulusを使用して、AIベースのサロゲートモデルによるシミュレーションワークフローの加速を模索しています。
Modulusは、シンプルなPythonインターフェイスで物理MLモデルを大規模に構築、トレーニング、微調整するためのオープンソースのAIフレームワークです。

偏微分方程式の分布のソリューションをパラメータ化できるNVIDIA Modulusフーリエニューラルオペレータ(FNO)アーキテクチャを使用して、Ansysの研究者は、任意の電力プロファイルの温度プロファイルと、熱伝達係数、厚さ、材料特性などのシステムパラメータによって定義された特定のフロアプランを効率的に予測するAIサロゲートモデルを作成しました。このモデルは、計算コストを大幅に削減し、ほぼリアルタイムの結果を提供し、Ansysユーザーが新しいチップのより広い設計スペースを探索できるようにします。

Ansysは、3D FNOモデルを使用して、目に見えない電力プロファイル、所定のダイの高さ、熱伝達係数境界条件についてチップ表面の温度を推測します。

概念実証が成功した後、Ansysチームは、NVIDIA Modulusを使用した次世代のRedHawk-SCプラットフォームのこのようなAIサロゲートモデルの統合を模索します。

より多くのサロゲートモデルが開発されるにつれて、チームはその場での微調整を通じてモデルの一般性と精度を高めることも検討します。これにより、RedHawk-SCユーザーは、より高速なシミュレーションワークフロー、より広い設計スペースへのアクセス、および製品開発における革新と安全性を促進するために独自のデータでモデルを洗練する能力の恩恵を受けることができます。